我要投稿

智能体工具调度的新突破：8B小模型击败GPT-5

发布日期：2025-11-28 14:35:23 浏览次数： 1989

作者：AI工程化

微信搜一搜，关注“AI工程化”

香港大学与NVIDIA团队发现搭建智能体工作流的两个关键问题：仅靠提示词工程的工作流存在性能天花板，同时，静态路由策略还会导致资源浪费。

针对于此，他们通过其ToolOrchestra框架强化学习训练了一个8B参数的调度模型（Orchestrator-8B），在三个基准测试中表现突出：

HLE（人类最后一考）：37.1%准确率，超越GPT-5的35.1%
τ²-Bench：成本降低70%的情况下准确率更高
FRAMES：响应延迟降低40%

研究团队发现传统工作流存在两个典型缺陷：

自我增强偏见：过度调用自身简化版模型（如GPT-5-mini被调用占比达66%）
资源错配：78%的简单任务仍调用顶级模型

而ToolOrchestra的解决的核心在于端到端强化学习训练，方案上：

多目标强化学习同时优化结果质量、效率和用户偏好
支持长周期决策，能自主判断何时调用何种工具（包括本地搜索、代码解释器、专业大模型等）
内置成本控制机制，避免无脑调用最贵模型

团队还开源了完整训练数据集ToolScale，覆盖10个领域（金融、体育、电商等），包含4063个多轮工具调用任务。数据生成采用两步流程：先模拟真实环境（数据库schema和API），再生成多样化任务。包含10个领域的数千条多轮工具调用记录。

有开发者尝试部署后反馈，在电影票务系统等需要多步操作的场景中，响应速度比传统方案快2-3倍。

53AI，企业落地大模型首选服务商

产品：场景落地咨询+大模型应用平台+行业解决方案

承诺：免费POC验证，效果达标后再合作。零风险落地应用大模型，已交付160+中大型企业

相关资讯

2026-02-03

Claude Code——智能路由与切换工具

2026-02-03

作为投资方，我们试了试Kimi K2.5

2026-02-03

暴涨11.7k Star！复刻Manus上下文工程的开源Skills，Claude code等多个平台即插即用

2026-02-03

ollama v0.15.4 更新：OpenClaw全面上线，优化集成流程与工具解析能力大升级！

2026-02-03

阶跃星辰 Step 3.5 Flash 上线！更快更强更稳的 Agent 大脑，开源！

2026-02-02

一分钟部署OpenClaw+QQ，国内最爽的一键启动！

2026-02-02

这家字节系AI初创，推出首个开源Agent Skills Builder！对话Refly.AI李锦威：大多数Agent都停留在专业用户层面，没有做到真正的普惠

2026-02-02

OCR又出宠OpenDoc，速度超MinerU6倍

联系获取

联系获取

160+中大型企业正在使用53AI

立即咨询预约演示

把握AI发展的机遇，共同探索、共同进步

2025-01-22

如何打造基于GenAI的员工服务机器人

2025-01-22

热点资讯

全新AI编程工具 Google Antigravity 实测，特别适合产品经理

2025-11-19

Clawdbot 完整安装教学：2026 年最火的开源AI 个人助理

2026-01-27

一文彻底看懂 Google 最新开源 A2UI 协议：如何让 AI Agent “说出UI” ？

2025-12-22

豆包手机同款AutoGLM硬核开源：AI如何用“眼睛+大脑+手”接管你手机

2025-12-10

让白宫“破防”的阿里千问，我替你们测了...

2025-11-17

SkillsMP：一个聚合了 5 万+ AI Agent 技能的开源社区

2026-01-12

最强开源0.9B级OCR模型！PaddleOCR-VL本地一键部署，私密性拉满【喂饭级教程】

2025-11-07

我把Claude Code换成GLM-4.7用了6小时，我竟然没发现明显区别

2025-12-23

Clawdbot 深度拆解： 7 个问题看懂它。

2026-01-29

Claude Code最强开源对手！GitHub 50.2k Star了，作者为它烧掉2.4w美元。

2026-01-06

大家都在问

一夜爆火，Clawdbot是否才是真正的AI入口产品？

2026-01-28

Clawdbot爆火：Karpathy点赞的开源AI助理，到底是什么？

2026-01-26

速递 | DeepSeek突然扔出MODEL1，这到底是V4还是R2？

2026-01-21

DeepSeek-R2要来了？

2026-01-21

TranslateGemma-27B谷歌开源翻译模型有多强？

2026-01-20

构建开放智能体生态：AgentScope 如何用 A2A 协议与 Nacos 打通协作壁垒？

2026-01-16

又是量化基金，第二个DeepSeek时刻到来了？

2026-01-02

被 Gemini 官方推荐为下一代Agent！Eigent 如何实现企业级浏览器自动化？

2025-12-24

热门标签

内容创作大模型技术个人提效 langchain llamaindex 多模态技术 RAG技术智能客服知识图谱模型微调 RAGFlow coze Dify Fastgpt Bisheng Qanything AI+汽车 AI+金融 AI+工业 AI+培训 AI+SaaS 提示词框架提示词技巧 AI+电商 AI面试数字员工 ChatBI AI知识库开源大模型智能营销智能硬件智能化改造 AI+医疗 MaxKB Palantir Glean

应聘简历请发送至： [email protected]

联系我们

售前咨询

预约演示

微信扫码

添加专属顾问

回到顶部